如何使用特定的假设适用于Spark中的模型？

Question

现在，我在ML中使用管道。学习算法是逻辑回归。然后，我从逻辑模型得到系数（权重）和截距，这意味着我有一个假设。

通常，我可以使用transform函数来预测管道模型中的测试数据。但是，我设计了一种改进假设的新方法。因此，我得到一个修改过的假设（系数（权重）和截距）。

//fitting the model
.....
......
val model = pipeline.fit(trainingRDD)
//predict the testing data
val predictionResult = model.transform(testingRDD)

//Now, I want to modify the hypothesis and predict again
//getting the hypothesis
val h = model.stages.collect{
      case lr: LogisticRegressionModel => Vectors.dense(lr.coefficients.toArray :+ lr.intercept)
    }.head

//modify the hypothesis
......
......
val new_h = mothed(h)
//Now, I want to modify the hypothesis and predict again
//What should I do?

问题在于：

如何使用修改后的假设来预测火花中的训练数据？

我认为这是一个糟糕的方式：

修改后的假设在测试数据中使用for循环运行，然后我可以获得新预测的结果。但是，我认为它没有效果。

由于